كشفت شركة غوغل دييب مايند عن نموذج للتنبؤ بالطقس يعتمد على الذكاء الاصطناعي ويتفوق على الطرق التقليدية في التنبؤات لمدة تصل إلى 15 يومًا.

ووفقا لتقرير نشرته صحيفة فايننشال تايمز، فإن النموذج الجديد أفضل في توقع الأحداث المتطرفة.

والأداة المعروفة باسم GenCast تقيس احتمالية سيناريوهات متعددة لتقدير الاتجاهات بدقة من إنتاج طاقة الرياح إلى حركات الأعاصير المدارية.

ونقلت "فايننشال تايمز" عن نتيجة ورقة بحثية نُشرت في مجلة Nature يوم الأربعاء، إن تقنية GenCast الاحتمالية تعد علامة فارقة جديدة في التقدم السريع في استخدام الذكاء الاصطناعي لتشغيل توقعات الطقس اليومية بشكل أفضل وأسرع، وهو النهج الذي يتبناه كبار المتنبئين التقليديين بشكل متزايد.

وقال إيلان برايس، عالم أبحاث في غوغل ديب مايند قوله "إنه يمثل نقطة تحول في تقدم الذكاء الاصطناعي للتنبؤ بالطقس، حيث تأتي التوقعات الخام الحديثة الآن من نماذج التعلم الآلي".

وأضاف أنه "يمكن دمج GenCast كجزء من أنظمة التنبؤ بالطقس التشغيلية، مما يوفر رؤى قيمة لمساعدة صناع القرار على فهم الأحداث الجوية القادمة والاستعداد لها بشكل أفضل".

وتتمثل ميزة GenCast الجديدة عن نماذج التعلم الآلي السابقة في استخدامها لما يسمى توقعات "المجموعة" التي تمثل نتائج مختلفة، وهي تقنية مستخدمة في التنبؤ التقليدي المتطور. ويتم تدريب GenCast على أربعة عقود من البيانات من المركز الأوروبي للتنبؤ بالطقس متوسط ​​المدى (ECMWF).

وفي التجارب، تفوق النموذج على توقعات ECMWF لمدة 15 يومًا في 97.2 في المائة من 1320 متغيرًا، مثل درجة الحرارة وسرعة الرياح والرطوبة.

وتمثل النتائج تحسنًا إضافيًا في الدقة والنطاق على نموذج GraphCast الرائد من Google DeepMind الذي تم الكشف عنه العام الماضي. وتفوق GraphCast على توقعات ECMWF في نحو 90 في المائة من المقاييس للتنبؤات لمدة تتراوح من 3 إلى 10 أيام.

وعادةً ما تكون نماذج التنبؤ بالذكاء الاصطناعي أسرع وأكثر كفاءة من طرق التنبؤ القياسية التي تعتمد على قوة حوسبة هائلة لتحليل المعادلات المستمدة من الفيزياء الجوية. ويمكن لـGenCast إنشاء تنبؤاته في ثماني دقائق فقط، مقارنة بساعات للتنبؤ التقليدي، وبجزء بسيط من احتياجات المعالجة الإلكترونية.

وقال الباحثون إن نموذج GenCast يمكن تحسينه بشكل أكبر في مجالات مثل قدرته على التنبؤ بشدة العواصف الكبيرة. كما يمكن زيادة دقة بياناته لتتناسب مع الترقيات التي أجراها ECMWF هذا العام.

وقال ECMWF إن تطوير GenCast كان "معلمًا مهمًا في تطور التنبؤ بالطقس"، وإن علم التعلم الآلي المبتكر وراء GenCast لا يزال بحاجة إلى الاختبار على الأحداث الجوية المتطرفة.

وسيعمل تطوير GenCast على زيادة النقاش حول مدى انتشار الذكاء الاصطناعي في التنبؤ، حيث يفضل العديد من العلماء تقنية هجينة لبعض الأغراض.

وفي يوليو/تموز، كشفت غوغل عن نموذج NeuralGCM، الذي يجمع بين التعلم الآلي والفيزياء التقليدية لتحقيق نتائج أفضل من الذكاء الاصطناعي وحده للتنبؤ بعيد المدى واتجاهات المناخ.

وقال ستيفن رامسديل، كبير خبراء التنبؤ بالذكاء الاصطناعي: "نحن نؤكد أن القيمة الأعظم تأتي من نهج هجين يجمع بين التقييم البشري والنماذج التقليدية القائمة على الفيزياء والتنبؤ بالطقس القائم على الذكاء الاصطناعي".